基于經(jīng)驗(yàn)?zāi)B(tài)分解的城市供水水質(zhì)異常事件檢測(cè)方法研究.pdf

1、水質(zhì)安全問(wèn)題關(guān)乎國(guó)計(jì)民生，在全世界范圍內(nèi)都受到了廣泛關(guān)注和高度重視。水質(zhì)污染事件發(fā)生往往后果嚴(yán)重，因此，建立水質(zhì)污染物防范機(jī)制及監(jiān)測(cè)系統(tǒng)進(jìn)行水質(zhì)污染預(yù)警十分必要。其中，水質(zhì)異常事件檢測(cè)算法是水質(zhì)污染監(jiān)測(cè)系統(tǒng)的核心。常見(jiàn)的異常檢測(cè)算法包括基于統(tǒng)計(jì)分析的算法、聚類分類算法及人工智能算法等。然而，水質(zhì)指標(biāo)時(shí)序自身具有非平穩(wěn)性，且水質(zhì)事件發(fā)生時(shí)尺度具有不確定性，常規(guī)算法針對(duì)多尺度事件適應(yīng)性仍然較差，特別是針對(duì)長(zhǎng)而緩的事件，檢出率較低且誤報(bào)率較高

2、。
　　為了進(jìn)一步挖掘水質(zhì)指標(biāo)時(shí)序來(lái)源不同成分的波動(dòng)特性，并結(jié)合事件的多尺度特性及時(shí)頻變化特征，提升水質(zhì)異常檢測(cè)算法的檢出能力和信息利用率，本文提出了基于經(jīng)驗(yàn)?zāi)B(tài)分解的水質(zhì)異常檢測(cè)方法，主要論述了經(jīng)驗(yàn)?zāi)B(tài)分解的理論研究、應(yīng)用領(lǐng)域、現(xiàn)有問(wèn)題及改進(jìn)方案等，并通過(guò)仿真分析及與常規(guī)算法對(duì)比，驗(yàn)證了提出算法在異常事件檢測(cè)方面的有效性。
　　本文的主要工作及創(chuàng)新點(diǎn)如下:
　　1.針對(duì)水質(zhì)指標(biāo)時(shí)序中含有來(lái)源不同的成分及水質(zhì)異常事件發(fā)

3、生時(shí)的尺度不確定性，提出了基于經(jīng)驗(yàn)?zāi)B(tài)分解及廣義零交叉理論的局部時(shí)間尺度匹配水質(zhì)異常檢測(cè)方法。首先將經(jīng)預(yù)處理后的原始水質(zhì)指標(biāo)時(shí)序利用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)進(jìn)行信號(hào)逐層提取，獲得一系列振動(dòng)周期逐漸增大的固有模態(tài)函數(shù)（IMF），并分別利用3δ閾值檢測(cè)法進(jìn)行異常事件檢測(cè)，然后計(jì)算每個(gè)模態(tài)每個(gè)時(shí)間點(diǎn)的局部時(shí)間尺度，從而獲得每個(gè)頻段的平均時(shí)間尺度。對(duì)于每個(gè)觀察點(diǎn)，計(jì)算其局部動(dòng)態(tài)時(shí)間，并根據(jù)時(shí)間尺度歸屬的定義計(jì)算其歸屬度，挑選出最敏感的固有模態(tài)函數(shù)

4、進(jìn)行融合事件檢測(cè)。該方法能夠針對(duì)不同尺度的事件進(jìn)行異常檢測(cè)，具有一定的尺度自適應(yīng)性，對(duì)于長(zhǎng)而緩的水質(zhì)異常事件也具有一定檢測(cè)效果。
　　2.針對(duì)EMD分解中的模態(tài)混疊及直接融合事件檢測(cè)結(jié)果方法忽略了各頻段之間的內(nèi)在聯(lián)系問(wèn)題，提出了基于聚合經(jīng)驗(yàn)?zāi)B(tài)分解的多維異常事件檢測(cè)方法。將水質(zhì)指標(biāo)時(shí)序用聚合模態(tài)分解(EEMD)方法進(jìn)行分解，在挑選出敏感尺度后，利用所選各尺度在每個(gè)時(shí)刻點(diǎn)的值構(gòu)建目標(biāo)特征向量，并利用訓(xùn)練集數(shù)據(jù)進(jìn)行模型訓(xùn)練。對(duì)于每個(gè)觀

5、察點(diǎn)，計(jì)算其目標(biāo)特征向量至訓(xùn)練集中心的馬氏距離，通過(guò)設(shè)置不同的置信度及閾值判定是否發(fā)生異常。該方法能夠抑制由水質(zhì)指標(biāo)時(shí)序信號(hào)的非平穩(wěn)性及間歇性等造成的模態(tài)混疊問(wèn)題，且充分利用了敏感頻段間的內(nèi)在聯(lián)系，具有更好的事件檢測(cè)效果。
　　3.針對(duì)EEMD在線應(yīng)用時(shí)，在被分析信號(hào)兩端出現(xiàn)失真或者發(fā)散的邊際效應(yīng)問(wèn)題，提出了基于極值點(diǎn)對(duì)稱延拓的在線EEMD異常事件檢測(cè)算法。通過(guò)對(duì)原始水質(zhì)時(shí)序的極值點(diǎn)進(jìn)行延拓，可以有效防止其在邊界位置失真或振蕩。通